Avec Large 4, Mistral veut réduire l’écart avec OpenAI et Anthropic

« Exciting. » Un seul mot, posté ce 6 octobre sur X par Arthur Mensch, accompagné d’une vidéo vieille de douze ans : en 2014, aux championnats d’Europe d’athlétisme, Floria Gueï, quatrième dans la dernière ligne droite du relais, dépasse trois rivales et offre l’or à la France. Le PDG de Mistral AI n’a pas besoin de légende. Quelques heures plus tard, sa start-up dévoile Mistral Large 4, surnommé « Le Chonk » (un « gros chat » dans l’argot d’Internet) et revendique sa propre remontée. Créée en 2023, la pépite parisienne s’était imposée comme l’alternative européenne à Claude, GPT et Gemini. Depuis un an, elle ressemblait plutôt à un coureur décroché.

Le calendrier n’arrangeait rien. Large 4 arrive dix mois après la version précédente, quand les laboratoires américains et chinois renouvellent leurs modèles les plus performants tous les deux à quatre mois. « Il ne ferme pas tout à fait l’écart avec les modèles frontières, mais le réduit significativement », concède Guillaume Lample, cofondateur de Mistral, lors d’un appel avec la presse. Le modèle serait au niveau des meilleurs systèmes chinois d’il y a un ou deux mois. Mistral rejoint ainsi Kimi et DeepSeek, des modèles « à poids ouverts » dont les poids sont téléchargeables, mais reste en dessous des modèles fermés d’OpenAI et d’Anthropic, accessibles par abonnement ou API.

Le doute s’était installé. Des observateurs reprochaient à l’entreprise de glisser vers le conseil : plus d’un tiers de ses effectifs sont des ingénieurs chargés d’installer et d’adapter des systèmes d’IA chez ses clients. L’arrivée sur sa plateforme de GLM-5.2 et GLM-5.3, des modèles du laboratoire chinois Z.ai, nourrissait l’image d’un éditeur occupé à déployer les modèles des autres. « On est un laboratoire de frontière et on entraîne des modèles frontières », répond Pierre Stock, vice-président chargé des opérations scientifiques, qui promet d’autres sorties à un rythme soutenu.

Quatre mille puces face aux gigawatts américains

Pour ce « Chonk », Mistral a mobilisé pendant deux mois 4 000 puces Nvidia Grace Blackwell dans ses centres de données européens, soit environ 10 mégawatts. OpenAI et Anthropic visent respectivement 30 et 15 gigawatts ; Mistral vise un gigawatt d’ici à 2030, un objectif rendu possible par la série D de 3 milliards d’euros bouclée en septembre. Les laboratoires chinois évoluent, eux, dans des ordres de grandeur comparables aux siens.

Côté données, l’entreprise affirme avoir « débloqué une façon d’entraîner des modèles » qui ne repose pas principalement sur la distillation, méthode qui consiste à exploiter les capacités d’un modèle très performant pour en entraîner un autre et dont dépendraient davantage ses concurrents. Elle dit avoir créé des centaines de milliers d’« environnements d’entraînement » : des espaces virtuels où l’IA s’exerce à corriger des bugs, à résoudre des problèmes mathématiques ou à débusquer des failles de cybersécurité.

Cybersécurité, droit, satellite : les terrains choisis par Mistral

C’est sur des terrains ciblés que Mistral veut marquer des points : cybersécurité, code, conception industrielle, finance, analyse de grandes masses de documents et de tableurs. En analyse géospatiale, le modèle surpasserait, d’après les benchmarks cités par la start-up, des systèmes fermés comme GPT-6 Astra d’OpenAI et Fable 5.1 d’Anthropic. À partir d’une photo satellite, il repère des départs de feu ou, selon Pierre Stock, « tous les camions qui se dirigent vers le nord ». Un domaine très demandé par ses clients : TotalEnergies vient de signer un accord pour accélérer la détection de gisements à partir de données géologiques. En droit, Large 4 revendique le meilleur score d’un modèle à poids ouverts sur le benchmark Legal Agent de Harvey.

L’argument est aussi commercial. Selon Guillaume Lample, des entreprises qui utilisent des modèles fermés se heurtent parfois à des restrictions d’accès qui les empêchent de s’en servir pour se défendre contre les cyberattaques. Mistral propose un modèle « utilisable de manière illimitée », hébergeable chez le client ou accessible via une région européenne souveraine. Mardi, depuis Abou Dhabi, Arthur Mensch a assuré que Large 4 dépasse les modèles chinois sur certains aspects, notamment en cybersécurité.

Le verdict n’est pas rendu. Mistral reconnaît attendre les résultats définitifs de plusieurs benchmarks et annonce une nouvelle phase d’apprentissage. Le modèle est disponible en avant-première via l’API ; pendant trois semaines, l’entreprise surveillera les usages et le soumettra à des exercices de « red team ». Ses poids seront téléchargeables dès le 26 octobre, selon l’annonce de Mistral. Les classements qui suivront diront si la remontée tient du sprint ou de l’effet d’annonce.